大家都知道疾病中的代謝方向都有哪些么？布小谷和大家講講，糖代謝、脂質(zhì)代謝、膽固醇代謝、氨基酸代謝、乳酸代謝、鐵代謝等等......這么多方向中，布小谷今天再分享一個不內(nèi)卷的方向，脂肪酸代謝，脂肪酸代謝可以在腫瘤方向中研究，也可以在非腫瘤方向中研究，如果小伙伴選在在非腫瘤方向中研究，那么內(nèi)卷率就會更低了！腫瘤代謝分析可以通過常規(guī)套路進行分析，再加上一點實驗驗證，就能輕松發(fā)高分了！或者結(jié)合分析分析亞型、非編碼RNA、signature等等！如果還沒有思路，快快來找布小谷吧！海量思路任你挑選喲~~

今天布小谷要給大家分享的這篇文章是，腫瘤代謝方向熱點+預(yù)后模型+干濕結(jié)合的思路，一起跟隨布小谷來看看吧！！

題目：脂肪酸代謝影響透明細(xì)胞腎癌腫瘤免疫微環(huán)境中抗/PD-1/PD-L1的治療效果

雜志：J Transl Med.

影響因子：IF=7.4

發(fā)表時間：2023年5月

研究背景

透明細(xì)胞腎細(xì)胞癌（ccRCC）是一種高度侵襲性和轉(zhuǎn)移性的腎臟惡性腫瘤亞型，與適應(yīng)由浸潤的免疫細(xì)胞和免疫調(diào)節(jié)分子組成的腫瘤微環(huán)境的代謝重編程相關(guān)。免疫細(xì)胞在腫瘤微環(huán)境（TME）中的作用及其與ccRCC中異常脂肪酸代謝的關(guān)聯(lián)仍然知之甚少。

數(shù)據(jù)來源

研究思路

利用TCGA和ArrayExpress數(shù)據(jù)庫，通過差異分析得到DEGs，將TCGA-KIRC數(shù)據(jù)集分為訓(xùn)練組和測試組，再利用單變量COX、Lasso分析、多元COX風(fēng)險回歸分析構(gòu)建預(yù)后模型，得到風(fēng)險評分，再次通過構(gòu)建列線圖、ROC曲線分析、K-M生存分析、富集分析等方法對模型進行驗證，評估其特征的預(yù)測性能。對三個免疫相關(guān)隊列進行免疫治療效果分析，對患者的化療藥物進行藥敏分析。在體外通過免疫組織化學(xué)（IHC）、q-PCR和蛋白質(zhì)免疫印跡、流式細(xì)胞術(shù)分析相關(guān)mRNA及蛋白的表達(dá)并評估生物學(xué)特征。

研究結(jié)果

1.預(yù)后模型的構(gòu)建

從KEGG的脂肪酸代謝途徑、Hallmark的脂肪酸代謝基因和與脂肪酸代謝相關(guān)的特定基因中獲取了309個脂肪酸代謝相關(guān)的基因，通過差異分析鑒定出96個DEGs（圖1b-c）；基于單變量和多變量COX回歸分析以及LASSO分析建立預(yù)后模型（圖1d-e），預(yù)后模型由20個基因組成（圖1f）。

2.預(yù)后模型的驗證與列線圖的構(gòu)建

通過對TCGA-KIRC測試組、訓(xùn)練組，E-MTAB-1980隊列進行ROC曲線分析（圖2a-c），3年、5年、7年的生存率結(jié)果可知該模型具有較高的敏感性和特異性，可以準(zhǔn)確預(yù)測患者預(yù)后。根據(jù)風(fēng)險評分的中位數(shù)將其余患者分為不同風(fēng)險組，結(jié)果表明高風(fēng)險組的總生存期（OS）比低風(fēng)險組低（圖2d-f）。根據(jù)臨床特征和風(fēng)險評分，對TCGA-KIRC隊列構(gòu)建列線圖（圖3d），校準(zhǔn)圖的結(jié)果表明列線圖預(yù)測與實際觀測結(jié)果之間有很好的一致性（圖3e）。

3.預(yù)后模型的免疫狀況及抗PD-1/PD-L1治療的反應(yīng)

基于IMmotion150和IMmotion151隊列檢查抗PD-1/PD-L1治療的反應(yīng)，結(jié)果表明疾病穩(wěn)定組和疾病進展組、疾病完全緩解組和疾病部分緩解組之間存在顯著差異，高危組的顯著性較低（圖4f）。通過TIDE算法分析結(jié)果表明TCGA-KIRC隊列中的高風(fēng)險組患者免疫治療效果較差（圖4g），此外，ESTIMATE算法表明高危組的免疫評分高于低危組（圖4h）。? ? ? ? ?

4.藥敏分析及富集分析

通過對ccRCC患者治療的化療藥物進行藥敏分析，可知高風(fēng)險組對藥物的敏感性低于低風(fēng)險組（圖5b）；利用ssGSEA對相關(guān)途徑或免疫檢查點的風(fēng)險評分與富集評分之間的相關(guān)性進行分析，結(jié)果表明風(fēng)險評分與JAK-STAT3信號傳導(dǎo)及主要免疫檢查點間呈正相關(guān)（圖5c-d)；對TCGA-KIRC隊列進行GSEA、KEGG、GO富集分析，結(jié)果都表明脂肪酸代謝在ccRCC中主要發(fā)生在免疫反應(yīng)上（圖5e-g）。

5.體外細(xì)胞實驗驗證

利用q-PCR對腫瘤和正常組織及ccRCC細(xì)胞系風(fēng)險模型中的基因進行mRNA表達(dá)量分析，腫瘤樣本中ABCD1、ALOX12B、ALOX15B、CPT1B、IL4I1的表達(dá)水平顯著上調(diào)（圖6a-b）；通過在體外沉默IL4L1，發(fā)現(xiàn)IL4L1可以促進ccRCC細(xì)胞生長和侵襲（圖7a-c）；蛋白質(zhì)印跡結(jié)果表明沉默IL4L1會降低磷酸化JAK1和磷酸化STAT3的表達(dá)（圖7f）；流式細(xì)胞術(shù)結(jié)果表明沉默IL4L1會抑制M2樣巨噬細(xì)胞極化（圖8b-c），以上結(jié)果均表明，沉默IL4I會抑制由CCL2的調(diào)節(jié)的M2樣巨噬細(xì)胞極化。

文章小結(jié)

這篇文章的亮點在于脂肪酸代謝方向+預(yù)后模型+干濕結(jié)合，預(yù)后模型及驗證是生信分析的常規(guī)套路，只要找準(zhǔn)基因和相關(guān)數(shù)據(jù)，常規(guī)套路也可以簡單5分+，這篇文章同時實現(xiàn)思路創(chuàng)新+實驗驗證，輕松7分+，實驗驗證部分正是很重要的，不僅是生信高分趨勢，同樣多方面的濕實驗?zāi)軌蚋玫尿炞C純生信分析部分的內(nèi)容，更具有說服力。腫瘤代謝的熱點在去年也已經(jīng)火過了，所以找準(zhǔn)疾病也很重要小癌種的研究數(shù)量相對較少，創(chuàng)新性高！還有什么疑問快來找布小谷吧~讓布小谷為你答疑解惑，提供新思路！！